VIP20
本课程属于：046-反欺诈图谱阈值分层试验 金融科技风控与量化工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

反欺诈A B测试效果评估实践

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
反欺诈A/B测试概述
什么是反欺诈A/B测试 · A/B测试在风控中的核心价值 · 与传统A/B测试的区别
A/B反欺诈
02
反欺诈指标体系
核心指标（通过率 · 欺诈率 · 误杀率
反欺诈指标体系核心指标
03
实验设计原则
随机化原则 · 样本量计算 · 最小可检测效应（MDE）
实验设计原则随机化原则
04
分流机制设计
用户ID哈希分流 · 分层分流 · 流量切分策略
分流机制设计ID
05
实验假设构建
零假设与备择假设 · 单尾检验与双尾检验 · 业务假设转化为统计假设
实验假设构建零假设
06
数据埋点与采集
关键事件定义（申请 · 通过 · 交易
数据埋点采集
07
实验周期确定
流量预估 · 所需样本量计算 · 最小运行天数
实验周期确定流量预估
08
AA测试原理
什么是AA测试 · AA测试的目的 · AA测试通过标准
AA测试原理
09
AA测试实践
Python实现AA测试 · 模拟数据生成 · t检验与卡方检验
AA测试实践
10
AB测试核心统计方法
t检验（连续变量） · 卡方检验（分类变量） · Z检验（比例检验）
AB测试核心统计方法
11
多重比较问题
Bonferroni校正 · Holm校正 · FDR控制
多重比较问题Bonferroni
12
辛普森悖论
什么是辛普森悖论 · 在反欺诈AB测试中的表现 · 分层分析与消除方法
辛普森悖论什么是辛普森悖论
13
网络效应与干扰
用户间干扰 · 策略泄露 · 网络效应检测方法
网络效应干扰
14
新奇效应与学习效应
新奇效应表现 · 学习效应识别 · 延长实验期
新奇效应学习效应
15
实验效果评估指标
提升度（Lift） · 相对提升 · 绝对提升
实验效果评估指标Lift
16
成本效益分析
误杀成本计算 · 欺诈损失计算 · ROI评估
成本效益分析误杀成本计算
17
Python实验分析工具包
scipy.stats · statsmodels · 自定义AB测试函数库
Python实验分析工具包
18
实验报告自动化
Python生成实验报告 · 关键指标可视化 · 自动结论生成
实验报告自动化Python
19
实验监控看板
实时指标监控 · 异常检测 · 实验健康度评分
实验监控看板实时指标监控
20
实验决策框架
统计显著性与业务显著性 · Go/No-Go决策 · 灰度发布策略
实验决策框架统计显著性
21
多臂老虎机（MAB）在反欺诈中的应用
Epsilon-Greedy · UCB · Thompson Sampling
MAB多臂老虎机
22
反欺诈模型AB测试
模型版本对比 · 离线评估与在线评估差异 · 模型回滚机制
AB反欺诈模型
23
规则策略AB测试
规则阈值调整 · 规则组合测试 · 规则优先级测试
AB规则策略
24
人机协同策略AB测试
人工审核与机器决策混合策略 · 成本与效果平衡
AB人机协同策略
25
实验平台架构设计
实验管理平台 · 分流服务 · 数据管道
实验平台架构设计实验管理平台
26
实验治理与合规
数据隐私（GDPR/个人信息保护法） · 实验伦理 · 审计日志
实验治理合规
27
常见陷阱与误区
过早停止实验 · 多次查看结果 · 忽略样本量变化
常见陷阱误区
28
案例实战一
反欺诈规则阈值调整AB测试（从设计到…
案例实战一AB
29
案例实战二
反欺诈模型升级AB测试（新旧模型对比 · 效果评估）
案例实战二AB
30
课程总结与进阶
AB测试最佳实践总结 · 前沿方向（因果推断 · 元学习）
课程总结进阶